《计量经济学重点》由会员分享，可在线阅读，更多相关《计量经济学重点（12页珍藏版）》请在金锄头文库上搜索。
1、细心整理第一章 绪论计量经济学含义：必需经济理论和实际统计资料为依据，运用数学、统计学方法和计算机技术，通过建立计量经济模型，定量分析经济变量之间随即因果关系。计量经济学探究经济关系具有两个特征：一是随机关系，产出及生产要素投入、消费及收入、投资及收入和利率之间都不是精确函数关系。二是因果关系，计量经济模型中每一个随机方程都是反映某个经济变量及其影响因素之间因果关系。计量经济学探究步骤：建立理论模型、估计模型中参数、检验估计模型和应用模型进展定量分析。1. 建立理论模型其任务是依据经济理论和对所探究经济系统相识，将系统内各经济变量之间相互关系用一组或一个数学方程表示出来。这一阶段工作又称为模型
2、设定。模型设定一般包括总体设定和个体设定。总体设定目标是能正确反映经济系统运行机制。个体设定目标是能正确反映经济变量之间因果关系。确定模型中变量 计量经济学中一般将方程中变量分为两类，方程等号左端变量称为被说明变量，有端变量称为说明变量，即用这些变量来说明或说明被说明变量变更状况回来分析中称为因变量和自变量。建立理论模型时，主要是确定模型中说明变量，一般时依据经济理论和经验确定被说明变量主要影响因素。确定模型中函数形式确定模型中函数形式一般有两种方式，一种方式是依据经济行为理论，运用数理经济学探究方法推导出模型具体数学形式。另一种方式是依据实际统计资料绘制被说明变量和说明变量相关图，由相关图显
3、示变量之间相关关系确定模型数学形式，这也是目前常常接受方式。确定统计指标并搜集整理数据须要依据模型中变量含义和统计数据可得性，模型探究目，以及统计数据可比性和一样性等因素进展综合考虑，以确定适当统计指标。建立计量经济模型统计数据主要有三种类型：时间序列数据，即按时间先后依次排列数据，时间频率可以是年、季、月、日等；横截面数据，即某一时点上数据；合并数据，即时间序列及横截面数据混合数据。2.估计模型中参数建立理论模型之后，须要依据实际统计资料估计出模型中各个参数具体数值，即得到一个估计计量经济模型，这样才能定量描述经济变量之间数量关系。3.检验估计模型具体检验内容包括：经济检验：主要是检验参数估
4、计值符号以及数值大小在经济意义上是否合理。统计检验：主要是利用数理统计中推断统计方法，对估计结果牢靠性进展检验。一般包括拟合优度检验、模型显著性检验、说明变量显著性检验等。计量经济检验：主要用于检验模型计量经济学性质，如回来模型假设条件检验，模型识别性检验等。预料性能检验：主要检验模型参数估计量稳定性，以及模型对样本期以外客观事实近似描述实力即所谓超样本特性。4.应用模型计量经济模型主要有以下几个方面用途。构造分析：即分析经济变量或构造参数变动对整个经济系统影响。经济预料：由于计量经济预料是依据事物变更缘由进展预料即为因果预料，而且预料模型可以同时考虑多个经济变量之间多种因果关系。政策评价：即
5、利用计量经济模型定量分析政策变量变更对经济系统运行影响。实证分析：即利用计量经济模型和实际统计资料实证分析某个理论假说正确及否。计量经济探究四个步骤可以进一步概括成： 经济系统计量经济模型经济问题 广义计量经济学及狭义计量经济学：广义计量经济学是利用经济理论、数学和统计定量探究经济现象数量经济方法统称，内容包括回来分析、时间序列分析、投入产出分析，等等。狭义计量经济学就是我们通常定义计量经济学，主要探究经济变量之间随机因果关系，接受数学方法主要是在回来分析根底上开展起来计量经济方法。计量经济模型类型：单方程模型及联立方程模型假如模型系统只包含一个方程，即只探究某一个经济关系，那么称该模型为单方
6、程模型。假如模型系统涉及到多个经济关系而须要构造多个方程，那么称该模型为联立方程模型。随机方程及恒等方程恒等方程中没有随机误差项。计量经济学主要探究经济变量之间随机关系，所以单方程模型都是随机方程。静态模型及动态模型只考虑本期变量之间相互关系模型为静态模型；假如模型中引入了滞后变量，如前期收入、前期投资、前期利率等，那么模型成为动态模型。其次章 回来模型总体回来直线方程： 称为总体回来方程，常数称为总体回来或回来系数。回来分析主要任务就是设法求出总体回来参数具体数值，进而利用总体回来方程描述和分析总体平均变更规律。只有了解总体整个概率分布状况，才能确定总体回来方程。但是在现实经济生活中，往往无
7、法获得总体全部资料，只能通过对总体假设干次视察得到总体一个样本，再依据样本信息来估计总体回来方程。虽然样本视察值并没有完全落在总体回来直线上，但样本是从总体中随机抽取，势必包含总体信息，散点分布照旧呈现出明显线性趋势；设法确定一条直线来较好地拟合这些样本视察值，称这条直线为样本回来直线，其对应方程：称为样本回来方程，分别为总体回来参数估计。假如估计误差较小，即值及总体回来参数比拟接近，那么可以用样本回来方程来近似代替总体回来方程，即利用样本回来方程近似地描述总体平均变更规律。因此，回来分析主要内容可以概括成：依据样本视察值确定样本回来方程；检验样本回来方程对总体回来方程近似程度；利用样本回来方
8、程分析总体平均变更规律。随机误差项设定：1. 随机误差项 总体回来方程只是反映了总体平均变更规律，单个家庭消费支出及平均消费支出之间存在着必需离差，将这个离差用表示，即： 或 其中，是一个不行观测、可正可负随机变量，所以称之为随机误差项。相应，假设样本回来方程为，那么实际值及估计值离差用表示，即： 称为残差或拟合误差，它可以作为随机误差项估计。2. 产生随机误差缘由模型中被忽视因素影响。模型函数形式设定误差。数据测量及归并误差和随机因素影响如自然灾难等引入随机误差项后，之间关系式就表示成以下形式： 这就是一元回来模型一般形式，或称为回来模型随机设定形式。以这种形式描述之间关系有明确意义：第一，
9、误差随机性使得之间呈现出一种随机因果关系，由于经济变量之间大多是不确定相关关系，因此，用这种形式描述经济关系更加精确、合理。其次，取值由两局部组成，一局部是总体平均值，其 变更由模型中说明变量来确定，可以称之为“系统内影响”；另一局部是随机误差，主要反映了那些对有影响、但又未能包括到回来模型中全部因素综合影响，可以称之为“系统外影响”。因此，回来模型随机设定形式更加全面地反映了被说明变量y变更状况。古典回来模型根本假设：1. 说明变量x为非随机变量，即在重复抽样过程中，x取值是可控、固定。2. 零均值假定：，即随机误差项平均值为零。在此假定下，才有：回来方程才能反映总体平均变更趋势，否那么将会
10、差生系统误差。3. 同方差假定：常数，即各个随机误差项离散程度或变动幅度是一样。4. 非自相关协定：，即随机误差项之间是互不相关、互不影响。这样可以独立考虑各个水平下随机误差项影响。5. 说明变量及随机误差项不相关假定，即说明变量及随机误差项互不相关，彼此对立对y产生影响。在假定1成立状况下，该假定自动成立。6. 无多重共线性假定，即说明变量之间不存在完全线性关系，这样才能分析每个说明变量对y单独影响。最小二乘法估计OLS1. 选择最正确拟合曲线标准可以确定为：是总拟合误差即总残差到达最小。其中最常用就是平凡最小二乘法：所选择回来模型应当使全部视察值残差平方和到达最小。即：2. 由于：是关于二
11、次函数并且非负，所以存在最小值。解得： 其中：在Eviews软件叮嘱窗口中干脆键入CREATE叮嘱，也可以建立工作叮嘱。叮嘱格式为：CREATE 时间频率类型 起始期 终止期在Eviews软件叮嘱窗口中，可以干脆键入LS叮嘱来估计模型。叮嘱格式为：LS 被说明变量 C 说明变量3. 最小二乘估计性质参数估计量评价标准：无偏性。设是参数估计量，假如，那么称是无偏估计。无偏估计保证了参数估计值是在真实值简称参数真值左右波动，并且“平均位置”就是参数真值。有效性最小方差性。设、均为参数无偏估计量，假设，那么称比有效；假如在所以无偏估计中，最小，那么称为有效估计量。有效性衡量了参数估计量及参数真值平均
12、离散程度大小。假如估计量是有效估计，那么参数估计值不仅在参数真值左右波动，而且波动幅度最小，这样参数估计值就很可能接近于参数真值。一样性。这是估计量一个大样本性质，假如随着样本增加，估计量越接近于真值，那么称是一样估计。严格说，是依概率收敛于，即： 其中，为一个随意小正数。4. 系数估计误差及置信区间系数估计误差估计误差即估计值及真值偏差，随着抽样不同，误差大小是一个随机变量，因此考虑概率意义下平均误差。由于，平均误差平方= 即等于估计量方差；因为最小二乘法估计是无偏估计，均值即为参数真值，所以估计量关于均值平均偏差-方差也就反映了估计量及参数真值平均偏差。在前面证明过程中已经得到： 假定 由
13、于正态分布线性组合仍是正态分布，而且分布形式由其均值和方差惟一确定，所以：这样，参数估计量平均误差为： 其中，涉及到随机误差项方差，这个值通常不知道，实际计算中一般接受无偏估计量： 来估计，并且用符合来表示系数估计误差为：同理估计误差为： 又称为系数标准误差或标准差。Eviews软件在估计回来模型时，将同时输出系数估计值和标准差。须要指出是，系数标准差只是反映了估计量和真值相对偏离程度；越小，那么及近似误差越小，但不能认为及之间确定误差就是。系数置信区间 统计量： 所以对于给定置信度，由t分布表可以查得临界值，使得：，即： 所以系数b置信区间为： 即以概率保证回来系数属于该区间。明显，置信区间
14、越小，对回来系数估计精度就越高。从置信区间计算公式可以看出，置信区间长度为，在a取定状况下，是一个常数，所以置信区间长度主要取决于系数标准差，越小，那么估计误差越小，估计值及真值越接近。因此，称为系数估计误差，并用它来衡量估计精度是合理；而且，在必需概率下，及确定误差充其量不会超过。5.极大似然估计原理：既然所抽取样本是在一次观测中得到，说明“视察值落在该样本四周”是一个比拟简洁发生或许率事务，因此，所选择参数估计值应当使这一事务概率到达最大。最小二乘估计是使模型对样本拟合到达最优，而极大似然估计却是使样本出现概率到达最大。回来模型统计检验：一 模型拟合优度检验所谓“拟合优度”，即模型对样本数
15、据近似程度。为了考察模型拟合优度，须要构造一个数量指标-判定系数。1. 总平方和分解公式设估计多元线性回来模型为：因为：其中所以：记成： (*)其中称为总平方和或总离差平方和，它反映了说明变量y(关于均值)总变更状况；称为回来平方和或可说明平方和，它反映了变量总变更状况，即y变更中可以用回来模型样本回来方程来说明局部，这局部变更事实上是由说明变量变更引起；称为残差平方和，它反映了回来模型总拟合误差，即y变更中不能用回来模型来说明局部。(*)式称为总平方和分解公式，它说明y变更由两局部组成，一局部是模型中将说明变量引起变更，另一局部是模型之外其他因素引起变更。2. 判定系数总平方和分解公式说明，在y总变更中，被回来模型说明局部越多，那么模型拟合误差相对来说就越小。对于一组确定样本数据，总平方和是一个确定数值，因此，可以用回来平方和占总平方和比重作为衡量模型对样本拟合优度指标，该指标称为判定系数或可决系数，用符合表示，即：明显，并且当是，；因此，值越接近于1，那么说明模型对样本数据拟合优度越高。判定系数不仅反映了模型拟合程度优劣，而且直观经济含义：它定量地描述了y变更中可
